hayci/VIBRIS-AI

# 🔊 VIBRIS — 自适应上下文感知辅助听觉智能 [](https://www.python.org/downloads/) [](https://opensource.org/licenses/MIT) [-green.svg)](#-系统架构) ## 描述与背景 (概述) 听障及听觉困难人群经常在公共场所面临安全挑战，因为他们无法听到关键的声学音频信号（例如车辆喇叭声、救护车警笛声或火灾警报）。传统的声音检测应用通常只对音频进行分类而不了解上下文，因此经常会产生误报，从而引发通知疲劳。 **VIBRIS** (*Adaptive Context-Aware Assistive Hearing Intelligence*) 作为一个**决策智能**系统应运而生，它是基于 wearable device（智能手机/智能手表/WearOS）的实时智能伴侣。该系统不仅能识别声音，还能**判断信号的可靠性、理解用户所处的环境上下文、优先评估安全威胁等级，并提供直观的触觉振动反馈**。 ## ✨ 主要功能 (核心特性) * **连续音频流与滑动窗口：** 每 250ms 连续处理环境音频样本（0.975秒窗口），且不会阻碍设备性能。 * **AWTC 时间一致性过滤器：** 内置时间一致性过滤算法，用于消除因瞬间噪音导致的 false positive。 * **双 AI 架构 (YAMNet + ML 可靠性模型)：** 1. **YAMNet TFLite：** 第一层 AI，用于特征提取和音频类别预测。 2. **Random Forest / LightGBM 分类器：** 第二层 AI，根据信号特征（Confidence、AWTC 分数、SNR、RMS）学习判断 YAMNet 的预测何时才是真正可靠的。 * **自适应上下文引擎：** 根据用户活动（**公路模式**、**学校模式**、**家庭模式**、**运动模式**）自动调整检测优先级。 * **自适应触觉生成器：** 将危险信号转换为振动模式（*Pattern*、*Intensity*、*Duration*），作为一种直观的“触觉语言”。 * **实时遥测与性能记录器：** 自动记录端到端性能（AI 延迟、总延迟、FPS、CPU 和 RAM 使用率）。 * **WebSocket 通信桥接：** 通过低延迟（< 10 ms）的网络连接，将触觉事件数据实时广播到 Android / WearOS 应用程序。 ## 🏗️ 系统架构 (系统架构) ``` [ Environment Audio Microphone ] │ (Mono 16kHz) ▼ [ Circular Audio Buffer ] │ (Sliding Window 0.975s) ▼ [ YAMNet TFLite Model ] │ (Log Mel-Spectrogram) ▼ [ AWTC Temporal Consistency Filter ] │ ▼ [ Dual-AI Reliability Engine ] (ML Random Forest / LightGBM) │ ▼ [ Priority & Context Engine ] (Mode: Jalan Raya / Sekolah / Rumah) │ ▼ [ Decision Intelligence Engine ] │ ▼ [ Adaptive Haptic Pattern Generator ] │ ▼ [ WebSocket Bridge (Port 8765) ] ──► [ Android / WearOS ] ```

标签：Apex, 人工智能, 可穿戴设备, 机器学习, 用户模式Hook绕过, 移动开发, 辅助技术, 音频识别